CN112182411A - 多媒体数据推荐方法、装置、计算机设备及可读存储介质 - Google Patents

多媒体数据推荐方法、装置、计算机设备及可读存储介质 Download PDF

Info

Publication number
CN112182411A
CN112182411A CN202011242373.1A CN202011242373A CN112182411A CN 112182411 A CN112182411 A CN 112182411A CN 202011242373 A CN202011242373 A CN 202011242373A CN 112182411 A CN112182411 A CN 112182411A
Authority
CN
China
Prior art keywords
multimedia data
target
time periods
playing
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011242373.1A
Other languages
English (en)
Inventor
段小磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Kugou Computer Technology Co Ltd
Original Assignee
Guangzhou Kugou Computer Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Kugou Computer Technology Co Ltd filed Critical Guangzhou Kugou Computer Technology Co Ltd
Priority to CN202011242373.1A priority Critical patent/CN112182411A/zh
Publication of CN112182411A publication Critical patent/CN112182411A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/483—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供了一种多媒体数据推荐方法、装置、计算机设备及可读存储介质，属于计算机技术领域。本申请通过在要为目标账号推荐多媒体数据时，根据多媒体数据在不同时间段内的播放次数来进行推荐，也即是根据目标账号在目标周期内播放过的第一多媒体数据在各个时间段内的播放次数，以及已上线的第二多媒体数据在各个相同时间段内的播放次数，来确定多媒体数据之间的相似度，进而实现多媒体数据的推荐，以适应不同时间段需要的多媒体数据不同的情况，提高多媒体数据的推荐准确性。

Description

多媒体数据推荐方法、装置、计算机设备及可读存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种多媒体数据推荐方法、装置、计算机设备及可读存储介质。
背景技术
随着计算机设备的不断普及和人民生活水平的不断提高，视频、歌曲等多媒体数据成为人们休闲娱乐时放松自己的一种主要载体。
目前在为用户推荐多媒体数据时，主要是根据用户以往浏览过的多媒体数据的内容、类型、语种、创造者等，确定用户的偏好信息，进而根据用户的偏好信息，推荐与用户以往浏览的多媒体数据的内容、类型、语种、创造者等相同或相似的多媒体数据。
在上述实现过程中，推荐多媒体数据时仅考虑到了多媒体数据的内容、类型、语种、创造者等影响因子，从而导致多媒体数据的推荐准确性较低。
发明内容
本申请实施例提供了一种多媒体数据推荐方法、装置、计算机设备及可读存储介质，以提高多媒体数据的推荐准确性。该技术方案如下：
一方面，提供了一种多媒体数据推荐方法，该方法包括：
响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，该第一多媒体数据为该目标账号在目标周期内已播放过的多媒体数据；
获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数，该第二多媒体数据为已上线的多媒体数据；
根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该多个第二多媒体数据的相似度；
向该目标账号推荐多个目标多媒体数据，该目标多媒体数据为该相似度满足目标条件的第二多媒体数据。
在一种可能的实现方式中，该根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该至少一个第二多媒体数据的相似度包括：
对于该至少一个第一多媒体数据中任一第一多媒体数据，以及该多个第二多媒体数据中任一第二多媒体数据，获取该多个时间段对应的差值，其中，一个差值为该任一第一多媒体数据在该多个时间段中任一时间段内的播放次数，与该任一第二多媒体数据在对应时间段内的播放次数的差值；
获取该多个差值的离散程度信息，根据该离散程度信息获取该任一第一多媒体数据和该任一第二多媒体数据的相似度，其中，该离散程度信息和该相似度呈负相关关系。
在一种可能的实现方式中，该响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数包括：
响应于该目标账号的数据获取请求，根据该目标账号的历史操作记录，确定该至少一个第一多媒体数据的播放时间信息；
对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的播放时间信息，确定该任一第一多媒体数据在该多个时间段内被该目标账号播放的播放次数。
在一种可能的实现方式中，该获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数包括：
根据该目标周期内的多个时间段内，该多个第二多媒体数据对应的历史操作记录，确定该多个第二多媒体数据的播放时间信息；
根据该多个第二多媒体数据的播放时间信息，确定该多个第二多媒体数据在该多个时间段内的平台播放次数。
在一种可能的实现方式中，该获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数之前，该方法还包括：
获取该至少一个第一多媒体数据的类型信息；
对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的类型信息，获取与该任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为该待推荐的多个第二多媒体数据。
在一种可能的实现方式中，该目标条件为该相似度大于目标阈值，或者，该相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前。
一方面，提供了一种多媒体数据推荐装置，该装置包括：
第一获取模块，被配置为执行响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，该第一多媒体数据为该目标账号在目标周期内已播放过的多媒体数据；
第二获取模块，被配置为执行获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数，该第二多媒体数据为已上线的多媒体数据；
确定模块，被配置为执行根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该多个第二多媒体数据的相似度；
推荐模块，被配置为执行向该目标账号推荐多个目标多媒体数据，该目标多媒体数据为该相似度满足目标条件的第二多媒体数据。
在一种可能的实现方式中，该确定模块，用于对于该至少一个第一多媒体数据中任一第一多媒体数据，以及该多个第二多媒体数据中任一第二多媒体数据，获取该多个时间段对应的差值，其中，一个差值为该任一第一多媒体数据在该多个时间段中任一时间段内的播放次数，与该任一第二多媒体数据在对应时间段内的播放次数的差值，获取该多个差值的离散程度信息，根据该离散程度信息获取该任一第一多媒体数据和该任一第二多媒体数据的相似度，其中，该离散程度信息和该相似度呈负相关关系。
在一种可能的实现方式中，该第一获取模块，用于响应于该目标账号的数据获取请求，根据该目标账号的历史操作记录，确定该至少一个第一多媒体数据的播放时间信息，对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的播放时间信息，确定该任一第一多媒体数据在该多个时间段内被该目标账号播放的播放次数。
在一种可能的实现方式中，该第二获取模块，用于根据该目标周期内的多个时间段内，该多个第二多媒体数据对应的历史操作记录，确定该多个第二多媒体数据的播放时间信息，根据该多个第二多媒体数据的播放时间信息，确定该多个第二多媒体数据在该多个时间段内的平台播放次数。
在一种可能的实现方式中，该装置还包括：
第三获取模块，用于获取该至少一个第一多媒体数据的类型信息；
该第三获取模块，还用于对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的类型信息，获取与该任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为该待推荐的多个第二多媒体数据。
在一种可能的实现方式中，该目标条件为该相似度大于目标阈值，或者，该相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前。
一方面，提供了一种计算机设备，该计算机设备包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该程序代码由该一个或多个处理器加载并执行以实现该多媒体数据推荐方法所执行的操作。
一方面，提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条程序代码，该程序代码由处理器加载并执行以实现该多媒体数据推荐方法所执行的操作。
一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机程序代码，该计算机程序代码存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序代码，处理器执行该计算机程序代码，以实现该多媒体数据推荐方法所执行的操作。
本申请提供的方案，通过在要为目标账号推荐多媒体数据时，根据多媒体数据在不同时间段内的播放次数来进行推荐，也即是根据目标账号在目标周期内播放过的第一多媒体数据在各个时间段内的播放次数，以及已上线的第二多媒体数据在各个相同时间段内的播放次数，来确定多媒体数据之间的相似度，进而实现多媒体数据的推荐，以适应不同时间段需要的多媒体数据不同的情况，提高多媒体数据的推荐准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种多媒体数据推荐方法的实施环境示意图；
图2是本申请实施例提供的一种多媒体数据推荐方法的流程图；
图3是本申请实施例提供的一种多媒体数据推荐方法的流程图；
图4是本申请实施例提供的一种多媒体数据推荐装置的结构示意图；
图5是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种多媒体数据推荐方法的实施环境示意图，参见图1，该实施环境包括：终端101和服务器102。
终端101为智能手机、智能手表、手提电脑、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机等设备中的至少一种。终端101上安装并运行有视频观看类应用程序、音乐播放类应用程序等。终端101通过有线网络或无线网络与服务器102进行连接，本申请对此不加以限定。终端101响应于用户对视频观看类应用程序、音乐播放类应用程序等的触发操作，向服务器102发送数据获取请求，以从服务器102处获取可播放的多媒体数据的简介信息(包括名称、内容简介、作者等)，进而对获取到的简介信息进行展示，以便用户从中选择自己要播放的多媒体数据。终端101响应于用户的选择操作，从服务器102处获取用户所选择的多媒体数据，进而基于获取到的多媒体数据进行播放。
终端101泛指多个终端中的一个，本实施例仅以终端101来举例说明。本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端仅为几个，或者上述终端为几十个或几百个，或者更多数量，本申请实施例对终端的数量和设备类型均不加以限定。
服务器102为一台服务器、多台服务器、云服务器、云计算平台和虚拟化中心中的至少一种。服务器102通过有线网络或无线网络与终端101进行连接。服务器102关联有一个多媒体数据库，用于存储多媒体数据以及多媒体数据的简介信息。服务器102响应于终端101的数据获取请求，从多媒体数据库中获取多媒体数据的简介信息，进而将获取到的简介信息发送给终端101。服务器102根据用户在终端101上的选择操作，从多媒体数据库中获取被选中的多媒体数据，并将获取到的多媒体数据发送给终端101。可选地，上述服务器的数量更多或更少，本申请实施例对此不加以限定。当然，服务器102还能够包括其他功能服务器，以便提供更全面且多样化的服务。
图2是本申请实施例提供的一种多媒体数据推荐方法的流程图，参见图2，该方法包括：
201、计算机设备响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，该第一多媒体数据为该目标账号在目标周期内已播放过的多媒体数据。
202、计算机设备获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数，该第二多媒体数据为已上线的多媒体数据。
203、计算机设备根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该多个第二多媒体数据的相似度。
204、计算机设备向该目标账号推荐多个目标多媒体数据，该目标多媒体数据为该相似度满足目标条件的第二多媒体数据。
本申请实施例提供的方案，通过在要为目标账号推荐多媒体数据时，根据多媒体数据在不同时间段内的播放次数来进行推荐，也即是根据目标账号在目标周期内播放过的第一多媒体数据在各个时间段内的播放次数，以及已上线的第二多媒体数据在各个相同时间段内的播放次数，来确定多媒体数据之间的相似度，进而实现多媒体数据的推荐，以适应不同时间段需要的多媒体数据不同的情况，提高多媒体数据的推荐准确性。
在一种可能的实现方式中，该根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该多个第二多媒体数据的相似度包括：
对于该至少一个第一多媒体数据中任一第一多媒体数据，以及该多个第二多媒体数据中任一第二多媒体数据，获取该多个时间段对应的差值，其中，一个差值为该任一第一多媒体数据在该多个时间段中任一时间段内的播放次数，与该任一第二多媒体数据在对应时间段内的播放次数的差值；
获取该多个差值的离散程度信息，根据该离散程度信息获取该任一第一多媒体数据和该任一第二多媒体数据的相似度，其中，该离散程度信息和该相似度呈负相关关系。
在一种可能的实现方式中，该响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内被该目标账号播放的播放次数包括：
响应于该目标账号的数据获取请求，根据该目标账号的历史操作记录，确定该至少一个第一多媒体数据的播放时间信息；
对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的播放时间信息，确定该任一第一多媒体数据在该多个时间段内的播放次数。
在一种可能的实现方式中，该获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数包括：
根据该目标周期内的多个时间段内，该多个第二多媒体数据对应的历史操作记录，确定该多个第二多媒体数据的播放时间信息；
根据该多个第二多媒体数据的播放时间信息，确定该多个第二多媒体数据在该多个时间段内的平台播放次数。
在一种可能的实现方式中，该获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数之前，该方法还包括：
获取该至少一个第一多媒体数据的类型信息；
对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的类型信息，获取与该任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为该待推荐的多个第二多媒体数据。
在一种可能的实现方式中，该目标条件为该相似度大于目标阈值，或者，该相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前。
图3是本申请实施例提供的一种多媒体数据推荐方法的流程图，参见图3，该方法包括：
301、服务器响应于目标账号的数据获取请求，根据该目标账号的历史操作记录，确定至少一个第一多媒体数据的播放时间信息，该第一多媒体数据为该目标账号在目标周期内已播放过的多媒体数据。
需要说明的是，该数据获取请求由用户在终端上的操作触发。用户触发终端上安装的视频观看类应用程序、音乐直播类应用程序等，终端响应于用户的触发操作，生成数据获取请求，进而将该数据获取请求发送给服务器，该数据获取请求携带触发操作对应的目标账号。服务器关联有一个多媒体数据库，该多媒体数据库中存储有多个多媒体数据以及多媒体数据的简介信息。该多媒体数据为视频、音乐等，可选地，该多媒体数据为其他类型，本申请实施例对此不加以限定。该服务器还关联有一个日志数据库，该日志数据库中存储有应用程序中注册账号的历史操作记录，如历史播放记录、历史浏览记录等，可选地，该历史操作记录包括其他内容，本申请实施例对此不加以限定。
在一种可能的实现方式中，服务器接收终端发送的数据获取请求，并根据该数据获取请求所携带的目标账号，获取该目标账号在目标周期内的历史操作记录，进而根据历史操作记录，确定目标账号在目标周期内播放过的至少一个第一多媒体数据，并从目标账号的历史操作记录中获取该至少一个第一多媒体数据的播放时间信息。
其中，该目标周期为任意时长，例如，该目标周期为1天，可选地，该目标周期为其他时长，本申请实施例对此不加以限定。
302、对于该至少一个第一多媒体数据中任一第一多媒体数据，服务器根据该任一第一多媒体数据的播放时间信息，确定该任一第一多媒体数据在多个时间段内被该目标账号播放的播放次数。
需要说明的是，相关技术人员预先设置目标周期的划分方式，以便将目标周期划分为多个时间段。例如，将目标周期划分为目标数量的时间段，或者，以预设时间长度作为步长，来对目标周期进行划分，本申请实施例对具体采用哪种方式划分不加以限定。以将目标周期划分为目标数量的时间段进行举例说明，假设目标周期为1天(24小时)，将1天划分为24个时间段，每个时间段长度为1小时(hour)，00:00-01:00为时间段1，01:00-02:00为时间段2，02:00-03:00为时间段3，以此类推，得到24个时间段。可选地，将1天划分为更多或更少的时间段，本申请实施例对此不加以限定。在更多可能的实现方式中，根据对多媒体数据推荐准确度的要求，调整时间段的划分，若要求的多媒体数据推荐准确度越高，则各个时间段的时间长度越短，进而得到更多个时间段。
在一种可能的实现方式中，对于该至少一个第一多媒体数据中任一第一多媒体数据，服务器根据获取到的任一第一多媒体数据的播放时间信息，结合划分出的多个时间段，确定该任一第一多媒体数据在多个时间段中各个时间段内的播放次数，以此类推，分别确定出这至少一个第一多媒体数据中，各个第一多媒体数据在各个时间段内的播放次数。仍以目标周期为1天(24小时)，将1天划分为24个时间段为例，若一个第一多媒体数据的播放时间信息指示该第一多媒体数据的播放时间为01:25，则该第一多媒体数据的播放时间段为01:00-02:00，以此类推，确定各个第一多媒体数据的播放时间段，进而统计得到该至少一个第一多媒体数据在各个时间段内的播放次数。
303、服务器根据该目标周期内的多个时间段内，待推荐的多个第二多媒体数据对应的历史操作记录，确定该多个第二多媒体数据的播放时间信息，该第二多媒体数据为已上线的多媒体数据。
在一种可能的实现方式中，服务器从日志数据库中获取待推荐的多个第二多媒体数据在该目标周期内对应的历史操作记录，进而根据获取到的历史操作记录，确定在该目标周期内被播放过的多个第二多媒体数据，并从该目标周期内的历史操作记录中获取该多个第二多媒体数据的播放时间信息。
其中，待推荐的多个第二多媒体数据在该目标周期内对应的历史操作记录，也即是被触发的应用程序中注册的至少一个账号的历史操作记录，因而，在该目标周期内被播放过的多个第二多媒体数据，也即是，被触发的应用程序所包括的所有第二多媒体数据中，在目标周期内被已注册的任一账号播放过的第二多媒体数据。
304、服务器根据该多个第二多媒体数据的播放时间信息，确定该多个第二多媒体数据在该目标周期内的多个时间段内的平台播放次数。
需要说明的是，按照对第一多媒体数据对应的目标周期的划分方式，将第二多媒体数据的播放时间信息对应的目标周期进行划分，得到与第一多媒体数据对应的多个时间段相同的多个时间段。
在一种可能的实现方式中，服务器根据获取到的多个第二多媒体数据的播放时间信息，结合划分出的多个时间段，确定多个第二多媒体数据在多个时间段中各个时间段内的平台播放次数，也即是，多个第二多媒体数据在多个时间段中各个时间段内，被已注册的至少一个账号播放过的次数。具体确定过程与上述步骤302同理，此处不再赘述。
需要说明的是，服务器在多媒体数据中对多个多媒体数据以及多媒体数据的简介信息进行存储时，是按照各个多媒体数据的类型来进行存储的。也即是，将对应于同一类型信息的多媒体数据对应进行存储，以便后续能够直接根据类型信息获取到对应的多个多媒体数据。通过按照类型信息对多媒体数据进行分类存储，后续获取多媒体数据时，即可根据类型信息获取到某一类型的所有多媒体数据，无需逐个进行查找，提高多媒体数据的获取效率，进而提高多媒体数据的推荐效率。
可选地，在步骤303至步骤304之前，服务器根据第一多媒体数据的类型，预先对已上线的多个第二多媒体数据进行筛选，以便从已上线的多个第二多媒体数据中确定待推荐的第二多媒体数据。在一种可能的实现方式中，服务器获取该至少一个第一多媒体数据的类型信息，对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的类型信息，获取与该任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为该待推荐的多个第二多媒体数据，以此类推，分别确定出与这至少一个第一多媒体数据中各个第一多媒体数据的类型信息匹配的多个第二多媒体数据，得到待推荐的所有第二多媒体数据。
通过将与至少一个第一多媒体数据的类型信息匹配的多个第二多媒体数据作为待推荐的多个第二多媒体数据，能够对已上线的所有第二多媒体数据进行筛选，进而只需获取这些与至少一个第一多媒体数据的类型信息匹配的多个第二多媒体数据的播放时间信息，减少服务器需要处理的数据量，减小服务器的处理压力，从而提高服务器的处理速度，提高多媒体数据推荐的效率。
可选地，服务器在通过上述步骤301至步骤304确定出第一多媒体数据和第二多媒体数据在多个时间段的播放次数之后，对于至少一个第一多媒体数据中任一第一多媒体数据以及多个第二多媒体数据中任一第二多媒体数据，以多个时间段作为横轴(x轴)，以多媒体数据的播放次数作为纵轴(y轴)，确定该任一第一多媒体数据的时间段-播放次数折线，以及该任一第二多媒体数据的时间段-播放次数折线，分别记为折线a和折线b，进而根据折线a和折线b确定该任一第一多媒体数据和任一第二多媒体数据的相似度，具体确定过程参见下述步骤305至步骤306，此处不再赘述。
符合不同需求情景的多媒体数据在一天中被播放次数随时间的变化会存在差异，需求情景相同的多媒体数据会呈现出相似的变化趋势。利用这个特点，可通过数据处理获得每个多媒体数据的时间段-播放次数折线，以便后续通过判断多媒体数据的折线形状的差异，来确定两条折线形状的相似程度，进而更加直接地确定出两个多媒体数据之间的相似度，这样确定出的结果不受播放量的大小影响，只和折线的形状相关，从而能够发现一些冷门的相似多媒体数据，实现多媒体数据的推荐，提高多媒体数据的相似度确定效率，进而提高多媒体数据的推荐效率。
305、对于该至少一个第一多媒体数据中任一第一多媒体数据，以及该多个第二多媒体数据中任一第二多媒体数据，服务器获取该多个时间段对应的差值，其中，一个差值为该任一第一多媒体数据在该多个时间段中任一时间段内的播放次数，与该任一第二多媒体数据在对应时间段内的播放次数的差值。
在一种可能的实现方式中，服务器根据任一第一多媒体数据在时间段1内的播放次数，以及任一第二多媒体数据在时间段1内的播放次数，确定该任一第一多媒体数据和任一第二多媒体数据在时间段1内的播放次数的差值，再根据该任一第一多媒体数据在时间段2内的播放次数，以及该任一第二多媒体数据在时间段2内的播放次数，确定该任一第一多媒体数据和任一第二多媒体数据在时间段2内的播放次数的差值，以此类推，得到该任一第一多媒体数据和任一第二多媒体数据在多个时间段内的播放次数的差值，即，得到多个差值。
仍以目标周期为1天，将目标周期划分为24个时间段为例，假设该任一第一多媒体数据为歌曲a，该任一第二多媒体数据为歌曲b，则歌曲a和歌曲b在第i个时间段内播放次数的差值为：
dist(ti)＝(ai-bi) (1)
其中，dist()表示歌曲a和歌曲b在同一个时间段内播放次数的差值，ti表示第i个时间段，ai表示歌曲a在第i个时间段内的播放次数，bi表示歌曲b在第i个时间段内的播放次数。其中，i、ai、bi均为任意正整数值，本申请实施例对i、ai、bi的具体取值均不加以限定，相应地，dist(ti)的取值也为整数值。
通过上述公式(1)，能够确定出歌曲a和歌曲b在一天内的24个时间段内播放次数的差值，得到24个差值。
306、服务器获取该多个差值的离散程度信息，根据该离散程度信息获取该任一第一多媒体数据和该任一第二多媒体数据的相似度，其中，该离散程度信息和该相似度呈负相关关系。
在一种可能的实现方式中，服务器根据获取到的多个差值，确定这多个差值的方差(s2)，作为该多个差值的离散程度信息，进而根据该离散程度信息，确定任一第一多媒体数据和任一第二多媒体数据的相似度。以此类推，得到该至少一个第一多媒体数据与多个第二多媒体数据的相似度。
需要说明的是，该相似度与离散程度信息(也即是方差)的对应关系由相关技术人员预先设置，方差越小，相似度越大，反正，方差越大，相似度越小。或者，相关技术人员预先设置好离散程度信息与相似度的换算关系，以便根据离散程度信息确定出相似度，本申请实施例对具体采用哪种方式来进行相似度的确定不加以限定。
通过离散程度信息，也即是方差，即可确定两个多媒体数据的时间段-播放次数折线图之间的相似度，方差越大表示两个多媒体数据的时间段-播放次数折线图的形状相似度越低，方差越小表示两个多媒体数据的时间段-播放次数折线图的形状相似度越高，进而确定出两个多媒体数据的相似度。
可选地，在确定出至少一个第一多媒体数据和多个第二多媒体数据的相似度之后，服务器按照相似度从高到低的顺序，对多个第二多媒体数据进行排序。通过按照相似度对多个第二多媒体数据进行排序，以便按照排序结果确定要推荐给目标账号的第二多媒体数据，实现多媒体数据的推荐，提高多媒体数据的推荐准确性。此外，后续在进行多媒体数据的推荐时，也能按照排序结果进行推荐，优先推荐排序靠前的多媒体数据，从而使得用户优先看到相似度较高的多媒体数据，用户对这些相似度较高的多媒体数据感兴趣的可能性较大，进而能够提高用户体验。
需要说明的是，上述过程仅以将目标周期划分为24个时间段，进而确定这24个时间段内对应的播放次数的差值为例来进行说明，在更多可能的实现方式中，当划分出的时间段更多时，时间段的时间长度较短，时间段-播放次数的折线近似为一条圆滑的曲线，此时可以通过比较复杂的算法来确定不同形状的曲线之间的相似度，具体过程与上述过程同理，此处不再赘述。
307、服务器向该目标账号推荐多个目标多媒体数据，该目标多媒体数据为该相似度满足目标条件的第二多媒体数据。
在一种可能的实现方式中，服务器从多媒体数据库中获取满足目标条件的多个目标多媒体数据的简介信息，进而将获取到的简介信息发送给目标账号，实现多个目标多媒体数据的推荐，以便目标账号对应的用户根据多个目标多媒体数据的简介信息，选择自己感兴趣的目标多媒体数据，进而进行目标多媒体数据的获取和播放。
其中，该目标条件为该相似度大于目标阈值，也即是，服务器获取相似度大于目标阈值的多个第二多媒体数据，作为目标多媒体数据。其中，该目标阈值为任意取值，本申请实施例对不加以限定。或者，该目标条件为相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前，也即是，服务器获取按照相似度从高到低的顺序对多个第二多媒体数据进行排序后，排序在目标位置之前的多个第二多媒体数据，作为目标多媒体数据。其中，该目标位置为任意取值，本申请实施例对不加以限定。可选地，该目标条件为其他类型，本申请实施例对此不加以限定。
在不同的需求情景下用户会播放不同的多媒体数据，以歌曲为例，睡前用户会选择播放轻音乐和一些舒缓安静的歌曲，午后、傍晚随着心情感受的变化，用户会选择播放不同类型的歌曲。而“日出而作，日落而息”是大多数人的作息习惯，因此，不同需求情景会有相对一致的时间段，符合不同需求情景的歌曲在一天中被播放次数随时间的变化会存在差异，需求情景相同的歌曲的会呈现出相似的变化趋势。本申请实施例提供的方案利用这个特点，能够更加准确的推荐歌曲，从而提高用户体验。
本申请实施例提供的方案，通过在要为目标账号推荐多媒体数据时，根据多媒体数据在不同时间段内的播放次数来进行推荐，也即是根据目标账号在目标周期内播放过的第一多媒体数据在各个时间段内的播放次数，以及已上线的第二多媒体数据在各个相同时间段内的播放次数，来确定多媒体数据之间的相似度，进而实现多媒体数据的推荐，以适应不同时间段需要的多媒体数据不同的情况，提高多媒体数据的推荐准确性。通过基于多个时间段的播放次数来进行多媒体数据的推荐，能够考虑到用户在不同时间段、不同需求场景下对多媒体数据的需求，从而使得推荐的多媒体数据更加符合用户的需求，进而提高用户体验。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
图4是本申请实施例提供的一种多媒体数据推荐装置的流程图，参见图4，该装置包括：
第一获取模块401，被配置为执行响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，该第一多媒体数据为该目标账号在目标周期内已播放过的多媒体数据；
第二获取模块402，被配置为执行获取待推荐的多个第二多媒体数据在该目标周期内的多个时间段内的播放次数，该第二多媒体数据为已上线的多媒体数据；
确定模块403，被配置为执行根据该至少一个第一多媒体数据和该多个第二多媒体数据在各个相同时间段内的播放次数，确定该至少一个第一多媒体数据和该多个第二多媒体数据的相似度；
推荐模块404，被配置为执行向该目标账号推荐多个目标多媒体数据，该目标多媒体数据为该相似度满足目标条件的第二多媒体数据。
本申请实施例提供的装置，通过在要为目标账号推荐多媒体数据时，根据多媒体数据在不同时间段内的播放次数来进行推荐，也即是根据目标账号在目标周期内播放过的第一多媒体数据在各个时间段内的播放次数，以及已上线的第二多媒体数据在各个相同时间段内的播放次数，来确定多媒体数据之间的相似度，进而实现多媒体数据的推荐，以适应不同时间段需要的多媒体数据不同的情况，提高多媒体数据的推荐准确性。
在一种可能的实现方式中，该确定模块403，用于对于该至少一个第一多媒体数据中任一第一多媒体数据，以及该多个第二多媒体数据中任一第二多媒体数据，获取该多个时间段对应的差值，其中，一个差值为该任一第一多媒体数据在该多个时间段中任一时间段内的播放次数，与该任一第二多媒体数据在对应时间段内的播放次数的差值，获取该多个差值的离散程度信息，根据该离散程度信息获取该任一第一多媒体数据和该任一第二多媒体数据的相似度，其中，该离散程度信息和该相似度呈负相关关系。
在一种可能的实现方式中，该第一获取模块401，用于响应于该目标账号的数据获取请求，根据该目标账号的历史操作记录，确定该至少一个第一多媒体数据的播放时间信息，对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的播放时间信息，确定该任一第一多媒体数据在该多个时间段内被该目标账号播放的播放次数。
在一种可能的实现方式中，该第二获取模块402，用于根据该目标周期内的多个时间段内，该多个第二多媒体数据对应的历史操作记录，确定该多个第二多媒体数据的播放时间信息，根据该多个第二多媒体数据的播放时间信息，确定该多个第二多媒体数据在该多个时间段内的平台播放次数。
在一种可能的实现方式中，该装置还包括：
第三获取模块，用于获取该至少一个第一多媒体数据的类型信息；
该第三获取模块，还用于对于该至少一个第一多媒体数据中任一第一多媒体数据，根据该任一第一多媒体数据的类型信息，获取与该任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为该待推荐的多个第二多媒体数据。
在一种可能的实现方式中，该目标条件为该相似度大于目标阈值，或者，该相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前。
需要说明的是：上述实施例提供的多媒体数据推荐装置在进行多媒体数据的推荐时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的多媒体数据推荐装置与多媒体数据推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图5是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备500可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器(Central ProcessingUnits，CPU)501和一个或多个的存储器502，其中，该一个或多个存储器502中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器501加载并执行以实现上述各个方法实施例提供的方法。当然，该计算机设备500还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，计算机设备500还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的多媒体数据推荐方法。例如，该计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机程序代码，该计算机程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该计算机程序代码，处理器执行该计算机程序代码，使得该计算机设备执行上述实施例中提供的多媒体数据推荐方法的方法步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种多媒体数据推荐方法，其特征在于，所述方法包括：
响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，所述第一多媒体数据为所述目标账号在目标周期内已播放过的多媒体数据；
获取待推荐的多个第二多媒体数据在所述目标周期内的多个时间段内的播放次数，所述第二多媒体数据为已上线的多媒体数据；
根据所述至少一个第一多媒体数据和所述多个第二多媒体数据在各个相同时间段内的播放次数，确定所述至少一个第一多媒体数据和所述多个第二多媒体数据的相似度；
向所述目标账号推荐多个目标多媒体数据，所述目标多媒体数据为所述相似度满足目标条件的第二多媒体数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个第一多媒体数据和所述多个第二多媒体数据在各个相同时间段内的播放次数，确定所述至少一个第一多媒体数据和所述多个第二多媒体数据的相似度包括：
对于所述至少一个第一多媒体数据中任一第一多媒体数据，以及所述多个第二多媒体数据中任一第二多媒体数据，获取所述多个时间段对应的差值，其中，一个差值为所述任一第一多媒体数据在所述多个时间段中任一时间段内的播放次数，与所述任一第二多媒体数据在对应时间段内的播放次数的差值；
获取所述多个差值的离散程度信息，根据所述离散程度信息获取所述任一第一多媒体数据和所述任一第二多媒体数据的相似度，其中，所述离散程度信息和所述相似度呈负相关关系。
3.根据权利要求1所述的方法，其特征在于，所述响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数包括：
响应于所述目标账号的数据获取请求，根据所述目标账号的历史操作记录，确定所述至少一个第一多媒体数据的播放时间信息；
对于所述至少一个第一多媒体数据中任一第一多媒体数据，根据所述任一第一多媒体数据的播放时间信息，确定所述任一第一多媒体数据在所述多个时间段内被所述目标账号播放的播放次数。
4.根据权利要求1所述的方法，其特征在于，所述获取待推荐的多个第二多媒体数据在所述目标周期内的多个时间段内的播放次数包括：
根据所述目标周期内的多个时间段内，所述多个第二多媒体数据对应的历史操作记录，确定所述多个第二多媒体数据的播放时间信息；
根据所述多个第二多媒体数据的播放时间信息，确定所述多个第二多媒体数据在所述多个时间段内的平台播放次数。
5.根据权利要求1所述的方法，其特征在于，所述获取待推荐的多个第二多媒体数据在所述目标周期内的多个时间段内的播放次数之前，所述方法还包括：
获取所述至少一个第一多媒体数据的类型信息；
对于所述至少一个第一多媒体数据中任一第一多媒体数据，根据所述任一第一多媒体数据的类型信息，获取与所述任一第一多媒体数据的类型信息匹配的多个第二多媒体数据，作为所述待推荐的多个第二多媒体数据。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述目标条件为所述相似度大于目标阈值，或者，所述相似度按照从大到小的顺序进行排序的排序结果位于目标位置之前。
7.一种多媒体数据推荐装置，其特征在于，所述装置包括：
第一获取模块，被配置为执行响应于目标账号的数据获取请求，获取至少一个第一多媒体数据在目标周期内的多个时间段内的播放次数，所述至少一个第一多媒体数据为所述目标账号在目标周期内已播放过的多媒体数据；
第二获取模块，被配置为执行获取待推荐的多个第二多媒体数据在所述目标周期内的多个时间段内的播放次数，所述第二多媒体数据为已上线的多媒体数据；
确定模块，被配置为执行根据所述至少一个第一多媒体数据和所述多个第二多媒体数据在各个相同时间段内的播放次数，确定所述至少一个第一多媒体数据和所述多个第二多媒体数据的相似度；
推荐模块，被配置为执行向所述目标账号推荐多个目标多媒体数据，所述目标多媒体数据为所述相似度满足目标条件的第二多媒体数据。
8.根据权利要求7所述的装置，其特征在于，所述确定模块，用于对于所述至少一个第一多媒体数据中任一第一多媒体数据，以及所述多个第二多媒体数据中任一第二多媒体数据，获取所述多个时间段对应的差值，其中，一个差值为所述任一第一多媒体数据在所述多个时间段中任一时间段内的播放次数，与所述任一第二多媒体数据在对应时间段内的播放次数的差值，获取所述多个差值的离散程度信息，根据所述离散程度信息获取所述任一第一多媒体数据和所述任一第二多媒体数据的相似度，其中，所述离散程度信息和所述相似度呈负相关关系。
9.一种计算机设备，其特征在于，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求6任一项所述的多媒体数据推荐方法所执行的操作。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如权利要求1至权利要求6任一项所述的多媒体数据推荐方法所执行的操作。
CN202011242373.1A 2020-11-09 2020-11-09 多媒体数据推荐方法、装置、计算机设备及可读存储介质 Pending CN112182411A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011242373.1A CN112182411A (zh) 2020-11-09 2020-11-09 多媒体数据推荐方法、装置、计算机设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011242373.1A CN112182411A (zh) 2020-11-09 2020-11-09 多媒体数据推荐方法、装置、计算机设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN112182411A true CN112182411A (zh) 2021-01-05

Family

ID=73917249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011242373.1A Pending CN112182411A (zh) 2020-11-09 2020-11-09 多媒体数据推荐方法、装置、计算机设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN112182411A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114554251A (zh) * 2022-02-10 2022-05-27 青岛海尔科技有限公司 多媒体数据的请求方法和装置、存储介质及电子装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140056731A (ko) * 2012-10-31 2014-05-12 에스케이플래닛 주식회사 구매추천 시스템 및 방법
JP2014200007A (ja) * 2013-03-29 2014-10-23 ニフティ株式会社 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置
US9075882B1 (en) * 2005-10-11 2015-07-07 Apple Inc. Recommending content items
CN107679079A (zh) * 2017-08-29 2018-02-09 重庆邮电大学 基于手机用户兴趣三维模型的个性化应用推荐方法
WO2018045711A1 (zh) * 2016-09-07 2018-03-15 中兴通讯股份有限公司 一种食物确定方法及装置、移动终端
US20180075147A1 (en) * 2016-09-12 2018-03-15 Ebrahim Bagheri System and method for temporal identification of latent user communities using electronic content
CN110851742A (zh) * 2019-11-15 2020-02-28 重庆邮电大学 一种基于位置和时间信息的兴趣点推荐方法及装置
CN111400546A (zh) * 2020-03-18 2020-07-10 腾讯科技（深圳）有限公司 一种视频召回方法、视频推荐方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9075882B1 (en) * 2005-10-11 2015-07-07 Apple Inc. Recommending content items
KR20140056731A (ko) * 2012-10-31 2014-05-12 에스케이플래닛 주식회사 구매추천 시스템 및 방법
JP2014200007A (ja) * 2013-03-29 2014-10-23 ニフティ株式会社 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置
WO2018045711A1 (zh) * 2016-09-07 2018-03-15 中兴通讯股份有限公司 一种食物确定方法及装置、移动终端
US20180075147A1 (en) * 2016-09-12 2018-03-15 Ebrahim Bagheri System and method for temporal identification of latent user communities using electronic content
CN107679079A (zh) * 2017-08-29 2018-02-09 重庆邮电大学 基于手机用户兴趣三维模型的个性化应用推荐方法
CN110851742A (zh) * 2019-11-15 2020-02-28 重庆邮电大学 一种基于位置和时间信息的兴趣点推荐方法及装置
CN111400546A (zh) * 2020-03-18 2020-07-10 腾讯科技（深圳）有限公司 一种视频召回方法、视频推荐方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114554251A (zh) * 2022-02-10 2022-05-27 青岛海尔科技有限公司 多媒体数据的请求方法和装置、存储介质及电子装置
CN114554251B (zh) * 2022-02-10 2024-01-23 青岛海尔科技有限公司 多媒体数据的请求方法和装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
US12118030B2 (en) Dynamic feedback in a recommendation system
CN107832437B (zh) 音/视频推送方法、装置、设备及存储介质
US20230206258A1 (en) Systems and methods for discovering artists
US10853415B2 (en) Systems and methods of classifying content items
JP5044001B2 (ja) 類似性データに基づくメディアアイテムのクラスタリング
US11055340B2 (en) System and method for creating synopsis for multimedia content
KR101318015B1 (ko) 유사성 데이터에 기초한 재생목록 생성을 위한 시스템 및 방법
CN112052387B (zh) 一种内容推荐方法、装置和计算机可读存储介质
CN111432226B (zh) 直播推荐方法、装置、服务器、终端及存储介质
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
US20130332842A1 (en) Systems and Methods of Selecting Content Items
CN113779381A (zh) 资源推荐方法、装置、电子设备和存储介质
CN111949807A (zh) 数据处理方法、装置、计算机设备以及存储介质
CN111918104A (zh) 一种视频数据的召回方法、装置、计算机设备和存储介质
CN113010790B (zh) 内容推荐方法、装置、服务器及存储介质
CN112182411A (zh) 多媒体数据推荐方法、装置、计算机设备及可读存储介质
CN110569447B (zh) 一种网络资源的推荐方法、装置及存储介质
CN111639199A (zh) 多媒体文件推荐方法、装置、服务器及存储介质
KR20210130069A (ko) 사용자 선호 기반 음악 정렬 장치 및 이에 적용되는 단말기
EP2096558A1 (en) Method for generating an ordered list of content items
CN113747233B (zh) 一种音乐替换方法、装置、电子设备及存储介质
CN113010788A (zh) 信息推送方法及装置、电子设备、计算机可读存储介质
CN113094586B (zh) 推送ugc的方法、装置、设备及存储介质
CN118708754A (zh) 歌单生成方法、装置、设备及存储介质
CN113742573A (zh) 一种多媒体资源搜索方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination